一句话看懂：Wired 记者用 Codex 搭建多 Agent 系统管理英超梦幻足球队，AI 在信息收集和模型预测上进步明显，但初始阵容连让哈兰德坐替补这类低级错误都出现了，实际成绩仍不理想。这组实验揭示了多 Agent 编排在现实预测任务中的能力与边界。
事件核心：发生了什么
Wired 记者在 2026 年 10 月的一篇文章中记录了自己的实验：他先让 Codex 阅读相关研究论文，再构建一个 harness，由多个 Agent 分别负责读新闻、分析近期赛果、运行预测模型和互相批评建议。初始版本给出的阵容质量很差，例如把哈兰德放在替补席；增加分工后建议有所改善，但把 Agent 数量扩大到 100 个以上后，除了 API 账单上升，效果没有明显变化。目前公开信息显示，这套系统的球队得分尚未超过人类管理。
文章援引芝加哥大学计算机科学家 Haifeng Xu 的研究：他和同事开发了 Prophet Arena 基准，用于测试模型预测能力；在其实验中，GPT-5 表现最好，其后是 Grok 4、Claude Sonnet、Gemini 和 Llama。哈佛大学与 Arcada Labs 的 Prediction Arena 则让前沿模型在 57 天内用 1 万美元参与预测市场，模型持续亏损，但研究人员观察到其表现随时间改善。
为什么重要
这组实验的意义不在于梦幻足球本身，而在于验证多 Agent 架构能否处理开放世界的预测任务。Xu 认为，AI 预测能力提升的根本原因是模型对现实世界的理解在变强，而定制化 harness 加分工 Agent 是目前较有效的路径。但实验也暴露了局限：Agent 数量堆叠不等于智能提升，成本却线性增长。同时，超预测者（superforecaster）在理解新闻背后的现实动态方面仍有优势，不过 Metaculus Cup 等赛事已显示 AI 偶尔能击败顶尖人类预测者。
对用户/开发者/创作者的影响
对开发者而言，这提示多 Agent 系统的设计重点应放在任务分工和 harness 质量上，而非盲目增加 Agent 数量；API 成本需要提前纳入架构评估。对普通用户和投资者，AI 预测工具短期内更适合作为辅助参考，不宜直接替代人类判断。对内容创作者，这类实验提供了观察 AI 应用落地边界的现成案例。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Prophet Arena、ForecastBench 等基准的后续结果，能否稳定证明 AI 预测能力接近或超过人类专家；二是大模型厂商是否会把预测能力作为新的能力评估维度；三是多 Agent 编排在金融、体育等交易型场景中是否出现可用的商业产品。
来源：Wired AI
